Español

Inspiración

Cuando ocurre un accidente se debe actuar rápido.

¿Qué hace?

LifeVest ayuda a que los médicos y personal de ambulancias den un mejor y más acertado trato a sus pacientes utilizando tecnología de reconocimiento facial para acceder a los registros médicos de sus pacientes en momentos de auxilo.

Los doctores sólo necesitan apuntar su cámara al rostro del paciente; LifeVest identificará de quién se trata y desplegará información vital sobre el paciente para que se pueda actuar rápido y con más precisión.

¿Cómo lo construímos?

Debido a que se necesita una fácil accesibilidad se desarrolló todo desde la web.
Para el reconocimiento de rostros utilizamos la herramienta de Inteligencia Artificial de Microsoft Azure.
Utilizamos Firebase - un producto de Google - para facilitar y agilizar el proceso de construcción de la base de datos en tiempo real y almacenamiento de grandes volumenes de imágenes.

Retos que se nos presentaron

Al principio, queríamos utilizar sensores de huella dactilar para autenticar a los pacientes porque pensamos que sería una manera eficiente de hacer esto pero no pudimos comunicar los datos que recolectamos con el arduino conectado a un sensor con el navegador. Si tuvieramos on sensor 'conecta-y-utiliza' quizá hubieramos tenido éxito con esto. Pivoteamos y nos cambios al camino de reconocimiento facial.

Pensamos que al combinar estas dos maneras de autenticar al paciente tendríamos menos errores y más posibilidades de identificarlo. Es una cosa que podríamos implementar en el futuro.

Logros que obtuvimos

Fuimos capaces de conectar efectivamente a las API de los servicios a pesar de que algunas de estas tenían documentación escasa o mal escrita.
Pudimos diseñar una interfaz bonita rápidamente.
Estuvimos felices de encontrar una buena solución a nuestro problema.

English

Inspiration

What it does

LifeVest helps doctors and ambulance teams treat their patients better and accurately by using a face detection technology to access their patient's Electronic Medical Records in vital moments.

Doctors just need to point their cameras to the patient's face and LifeVest will identify who he or she is and deliver all the essential information they need to act rapidly or more accurately.

How I built it

Because we needed to have easy access, we built everything on the web.
To identify faces we used Microsoft Azure; an AI tool.
We used Firebase - a Google product - to facilitate the building process of our real-time database and high volume image storage.

Challenges I ran into

At first, we wanted to use biometric fingerprint scanners to authenticate the patient because we taught it was an efficient way to do this but we weren't able to communicate the data we collected on our Arduino sensor and the browser. If we had a plug and play device we might succeeded at this task. We shifted and we did the Facial recognition way.

We think that by combining these two features we might have less room for errors and more possibilities of identifying them. It is a thing we might implement in the future.

Accomplishments that I'm proud of

We were able to, successfully, connect to the services API even though the documentation of these was scarce or poorly written.
We were able to build a beautiful UI in the matter of some hours.
The accuracy of the recognition model was pretty high.
We were happy to find a good solution to our problem.